macadeliccc/distilabel-neurology-preferences-2k-clean

该数据集名为distilabel-neurology-preferences-2k-clean，主要用于神经学领域的偏好学习。数据集包含多个特征，如输入、生成模型、生成提示、原始生成响应、生成内容、标注模型、标注提示、原始标注响应、评分、理由、提示、选择内容和拒绝内容等。数据集的训练集包含1994个样本，大小为46629596字节。README文件还提供了一个Python脚本，用于数据预处理，包括加载数据集、检查空值、处理每个数据项并生成一个新的数据集。

The dataset includes multiple features such as input, generation model, generation prompt, raw generation responses, generations, labelling model, labelling prompt, raw labelling response, rating, rationale, prompt, chosen, and rejected. The dataset is split into a training set with 1994 examples, totaling 46629596 bytes. The purpose of the dataset is for processing and analyzing neurology preference data.

原始信息汇总

数据集卡片 "distilabel-neurology-preferences-2k-clean"

数据集信息

特征

• input: 字符串类型
• generation_model: 字符串序列
• generation_prompt: 列表类型，包含以下子项：
  • content: 字符串类型
  • role: 字符串类型
• raw_generation_responses: 字符串序列
• generations: 字符串序列
• labelling_model: 字符串类型
• labelling_prompt: 列表类型，包含以下子项：
  • content: 字符串类型
  • role: 字符串类型
• raw_labelling_response: 字符串类型
• rating: 浮点数序列
• rationale: 字符串序列
• prompt: 字符串类型
• chosen: 字符串类型
• rejected: 字符串序列

数据分割

• train: 包含1994个样本，占用46629596.0字节

数据集大小

• 下载大小: 16366009字节
• 数据集大小: 46629596.0字节

配置

• default:
  • data_files:
    • split: train
    • path: data/train-*